10.11896/j.issn.1002-137X.2017.04.059
融合信任关系和有用性评价的矩阵分解推荐方法
冷启动和数据稀疏性问题是推荐系统面临的两大难题.现有的大多数基于矩阵分解的推荐方法将用户孤立对待,忽略了用户之间的信任关系,导致推荐性能较低.提出一种融合信任关系和有用性评价的矩阵分解推荐方法.该方法在对评分矩阵进行概率分解的基础上,加入有用性评价和用户信任关系,采用交替最小二乘法训练模型参数.Epinions和Ciao数据集上的对比实验表明,所提方法有效提高了推荐系统的准确性和可靠性,尤其存在冷启动用户时,该方法的推荐精度明显优于传统的推荐方法.
推荐系统、有用性评价、信任关系、矩阵分解
44
TP311(计算技术、计算机技术)
国家自然科学基金项目61300107;广东省自然科学基金项目S2012010010212;广州市科技计划项目201504301341059;广东省科技计划项目2014B090901053
2017-05-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
288-294